Big Data y Gestión de Activos

El mundo de la gestión de activos está viviendo una revolución sin precedentes en toda la cadena de valor del proceso de inversión. El big data aplicado a la gestión de activos es sin duda uno de los cambios fundamentales que se han vivido en la gestión de activos en las últimas décadas.

El cambio en los procesos de inversión vienen también influenciados por la necesidad de mejorar rendimiento en el el apartado de la gestión activa ante el gran avance de la gestión pasiva.

Los beneficios del big data son especialmente importantes en la gestión de activos en la que la recopilación de bases de datos, la modelizacion de éstas usando las más avanzados modelos de aprendizaje automático y la inteligencia artificial combinado con un extraordinaria capacidad computacional son sin duda decisivos en el proceso de inversión.

Esta nueva manera de optimizar los procesos se está dando no solamente en gestores cuantitativos sino también en gestores discrecionales para los cuales todo el nuevo proceso puede ofrecer más y mejor calidad en la información, modelado de datos y rapidez puede mejorar la toma decisiones de inversión.

Bases de Datos alternativas

Los gestores de activos pueden adquirir bases de datos alternativas que ofrecen información sobre:

Social Media
Event Data
Localizacion y Consumer
Sensores: Imágenes de satélite, Internet de las cosas, etc…

Los gestores de activos de diferentes clases de activos pueden acceder a nueva serie de datos que pueden ayudar a la toma de decisiones usando información ”alternativa” como la geo-localización combinada con la analítica de datos moderna que puede permitir observar la actividad de la economía de determinados sectores en tiempo real.

Analítica de datos moderna

La analítica moderna pone a disposición de los equipos de gestión de activos la econometría clásica asi como las técnicas de inteligencia artificial y aprendizaje automático.

La inteligencia artificial (Artificial Intelligence, o AI) es la simulación de procesos de inteligencia humana por parte de máquinas, especialmente sistemas informáticos. Estos procesos incluyen el aprendizaje (la adquisición de información y reglas para el uso de la información), el razonamiento (usando las reglas para llegar a conclusiones aproximadas o definitivas) y la autocorrección. Las técnicas de la AI incluyen sistemas expertos, reconocimiento de voz , visión artificial siendo las más relevantes actualmente en la gestión de inversiones aprendizaje automático y el procesamiento de lenguaje natural.

El aprendizaje automático o aprendizaje de máquinas (del inglés, «Machine Learning») es el subcampo de las ciencias de la computación y una rama de la inteligencia artificial cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender. De forma más concreta, se trata de crear programas capaces de generalizar comportamientos a partir de una información suministrada en forma de ejemplos. Es, por lo tanto, un proceso de inducción del conocimiento. En muchas ocasiones el campo de actuación del aprendizaje automático se solapa con el de la estadística computacional, ya que las dos disciplinas se basan en el análisis de datos.

El procesamiento de lenguaje natural (PNL, o NLP por sus siglas en inglés) es el procesamiento del lenguaje humano y no informático por un programa informático. Uno de los ejemplos más antiguos y conocidos de PNL es la detección de spam, que mira la línea de asunto y el texto de un correo electrónico y decide si es basura.

Los enfoques actuales de la PNL se basan en el aprendizaje automático. Las tareas de PNL incluyen traducción de texto, el análisis de sentimiento (sentiment analysis) y la generación de texto.

Computación

Aumentos en la potencia de computación y la capacidad de almacenamiento: el beneficio de la informática paralela / distribuida y un mayor almacenamiento la capacidad se ha puesto a disposición mediante el acceso compartido y remoto a estos recursos. Este desarrollo también se conoce como computación en la nube. Se estima que para 2020, más de un tercio de todos los datos vivirá o pasará a través de la nube.
El acceso compartido de los recursos colocados a distancia ha disminuido drásticamente las barreras de entrada para lograr una gran escala procesamiento de datos y análisis, abriendo así estrategias basadas en datos grandes / alternativas a un amplio grupo de inversores cuantitativos y discrecionales.

La gestión de activos moderna

La gestión de activos moderna es la combinación y gestión adecuada de estas bases de datos alternativas y tradicionales, la analítica de datos moderna y los avances en computación. Es necesario organizar equipos de big data multidisciplinares que saquen el máximo rendimiento a estas nuevas herramientas. Gestores cuantitativos , gestiones discrecionales deben reciclarse y adaptarse para obtener ventajas relativas para mejorar retornos relativos o absolutos.